Salesforce hat seine gesamte Softwareentwicklungsorganisation auf KI-Agenten umgestellt. Das Werkzeug der Wahl ist Anthropics Claude Code als primäres KI-Programmiertool – ohne Token-Limits für alle Entwickler:innen. Die Entscheidung ist eindeutig: Volle Nutzungsfreiheit statt budgetierter KI-Zuteilung.

Die selbst berichteten Zahlen für April 2026 sind bemerkenswert. Die Zahl abgeschlossener Arbeitspakete pro Entwickler:in stieg um 50,8 Prozent (laut Salesforce, nicht unabhängig geprüft). Zusammengeführte Pull-Requests wuchsen um 79 Prozent (laut Salesforce). Ein interner Qualitätsscore verbesserte sich um 151,3 Prozent (laut Salesforce). Gleichzeitig sanken Incidents um 5 Prozent. Als Beispiel nennt Salesforce eine API-Migration: abgeschlossen in 13 statt der geplanten 231 Tage (laut Salesforce).

Das Modell dahinter ist neu. Entwickler:innen orchestrieren spezialisierte Agenten-Teams für parallele Teilaufgaben, anstatt Code selbst zu schreiben. Subagenten übernehmen gleichzeitig laufende Workstreams. Das verändert nicht nur die Geschwindigkeit – es verändert die Rolle der Entwickler:in grundlegend.

Die Zahlen sind ausschließlich selbst berichtet und nicht extern verifiziert. Dennoch: Als öffentliches Signal eines der weltweit größten CRM-Anbieter setzen sie einen Maßstab.

Microsoft und Nvidia haben koordiniert denselben Satz auf ihren offiziellen Social-Media-Kanälen veröffentlicht: „A new era of PC.“ Beigefügte Koordinaten verweisen auf Taipeh – den Austragungsort der Computex-Messe, die am 1. Juni startet. The Decoder berichtet am 30. Mai auf Basis eines Axios-Berichts: Nächste Woche sollen die ersten Windows-PCs mit Nvidia-Chips als Hauptprozessoren vorgestellt werden.

Der geplante Chip trägt den Namen N1X und ist eine ARM-basierte Eigenentwicklung von Nvidia. Er soll in Leistung und KI-Beschleunigung die bisherigen Qualcomm-Prozessoren für Windows-on-ARM-Laptops übertreffen. Neben Microsofts Surface-Reihe soll auch Dell entsprechende Geräte zeigen. Gleichzeitig plant Microsoft Software, die es KI-Agenten ermöglicht, Aufgaben direkt auf dem Gerät auszuführen – vollständig lokal, ohne Cloud-Verbindung.

Bisher dominieren Intel und AMD den Windows-Prozessormarkt. Nvidia würde mit diesem Schritt direkt in diesen Markt eintreten – mit einer Marke, die bei KI-Entwickler:innen bereits höchstes Ansehen genießt. Darüber hinaus findet zeitgleich die Microsoft Build (2.–3. Juni, San Francisco) statt, auf der lokale KI-Agenten für Windows präsentiert werden sollen.

Offizielle Bestätigungen von Microsoft, Dell und Nvidia lagen zum Redaktionsschluss noch nicht vor (nicht offiziell bestätigt).

Amazon hat sein internes KI-Ranking-System „KiroRank“ deaktiviert. Der Grund: Mitarbeitende hatten KI-Agenten absichtlich mit sinnlosen Aufgaben beschäftigt, um ihre eigene Platzierung im Ranking zu verbessern. Dieses Verhalten trägt inzwischen einen eigenen Namen: „Tokenmaxxing“. Das Ergebnis war ein erheblicher Kostenanstieg – ohne messbaren geschäftlichen Mehrwert.

Das Dashboard „KiroRank“ lief auf Amazons interner KI-Entwicklerplattform „Kiro“ und bewertete Entwickler:innen nach ihrer KI-Token-Nutzung. Token sind die rechnerischen Einheiten, mit denen Großes Sprachmodelle (LLM) Texte verarbeiten. Wer mehr Tokens verbrauchte, stieg im Ranking. Der Anreiz war gesetzt – und führte systematisch in die falsche Richtung.

Dave Treadwell, Senior Vice President bei Amazon, wandte sich in einer internen Mitteilung an die Belegschaft: „Bitte nutzt KI nicht einfach nur, um KI zu nutzen“ (berichtet von: Financial Times). Amazon investiert 2026 rund 200 Milliarden US-Dollar in KI-Infrastruktur (laut Unternehmensangaben). Bei diesem Volumen ist die Abschaltung eines eigenen Leistungs-Rankings ein unmißverständliches Signal. Als Reaktion führt Amazon eine neue Kennzahl ein: „Normalisierte Bereitstellungen“ – also ob KI tatsächlich produktiv eingesetzt wird, nicht nur, wie viele Tokens fließen.

Der US-amerikanische Fernsehsender CNN hat am 28. Mai 2026 Klage gegen das KI-Startup Perplexity AI eingereicht. Die Klage wurde beim Bundesgericht für den südlichen Distrikt von New York hinterlegt (per Gerichtsakte). Es ist das erste Mal, dass ein großes TV-Netzwerk rechtlich gegen ein KI-Unternehmen vorgeht.

CNN wirft Perplexity vor, mehr als 17.000 Artikel, Fotos und Videos ohne Lizenz kopiert und für seinen Chatbot, seine API und den Comet-Browser genutzt zu haben (per Klageschrift). Perplexity-Sprecher Jesse Dwyer antwortete am 29. Mai: „Fakten unterliegen nicht dem Urheberrechtsschutz.“ Das Unternehmen sieht seine Nutzung öffentlicher Daten als transformativ und rechtlich zulässig an.

Die Klage folgt gescheiterten Lizenzverhandlungen. Andere Medienhäuser, darunter Le Monde und Der Spiegel, wählten einen anderen Weg und haben kommerzielle Lizenzvereinbarungen mit Perplexity geschlossen. CNN selbst betonte, nicht grundsätzlich gegen KI zu sein, und verwies auf bestehende Partnerschaften mit anderen Technologieunternehmen.

Sicherheitsforscher von Push Security haben am 29. Mai 2026 eine neue Angriffsmethode namens „LLMShare“ dokumentiert. Das Ziel: Die legitimen Share-Funktionen bekannter KI-Plattformen werden als Verbreitungswege für Schadsoftware genutzt – auf den echten, vertrauenswürdigen Domains chatgpt.com und claude.ai.

Die Methode ist einfach und deshalb effektiv. Angreifer erstellen gefälschte Inhalte in geteilten KI-Konversationen. Nutzer:innen, die auf den Link klicken, sehen eine scheinbar seriöse Anleitung – zum Beispiel eine fingierte „Apple Support“-Seite mit einem Terminal-Befehl. Das Ausführen dieses Befehls installiert Schadsoftware. Der entscheidende Unterschied zu klassischem Phishing: Die URL zeigt die echte, vertraute Domain. Herkömmliche Sicherheitslösungen erkennen das oft nicht.

Neben der ChatGPT-Methode nutzten Angreifer auch Claudes Artifacts-Funktion und geteilte Grok-Konversationen für ähnliche Täuschungsmanöver. OpenAI hat das Problem bestätigt und arbeitet an einer Lösung. Die Kampagne wurde zusätzlich über manipulierte Google-Anzeigen verbreitet, die auf legitime claude.ai-URLs zeigten.

Das Sicherheitsunternehmen Kaspersky hat Ende Mai seinen Mobile Threat Report 2026 veröffentlicht. Das Ergebnis: Zwischen Januar und April 2026 wurden mehr als 92.000 Malware-Angriffe registriert, die sich als KI-Dienste tarnten (laut Kaspersky Mobile Threat Report 2026). Mehr als 15.000 einzigartige Schadsoftware-Proben wurden dabei identifiziert.

Fast die Hälfte dieser Angriffe – 49 Prozent (laut Kaspersky) – nutzte gefälschte Versionen von ChatGPT. Claude und Gemini kamen jeweils auf rund 18 Prozent. Die Verbreitung erfolgte über SEO-Poisoning (dt.: gezielte Manipulation von Suchergebnissen), kompromittierte Social-Media-Kanäle und gefälschte Software-Repositories auf GitHub und SourceForge.

Besonders gefährlich ist ein Trojaner namens DinDoor: Er extrahiert Daten aus mehr als 50 verschiedenen Kryptowährungs-Wallet-Erweiterungen und greift Browser-Cookies sowie gespeicherte Zugangsdaten ab. Gleichzeitig zeigen andere Daten: Nur 26 Prozent der Unternehmen fühlen sich in der Lage, ihre KI-Sicherheitsrichtlinien tatsächlich durchzusetzen (laut Check Point Cloud Security Report 2026).

Das französische KI-Unternehmen Mistral AI hat seinen Chatbot „Le Chat“ in „Vibe“ umbenannt. Die Umbenennung ist kein kosmetischer Schritt. Mit ihr werden Chat, Coding-Werkzeuge und ein neuer „Work Mode“ unter einer gemeinsamen Marke vereint. Der Work Mode ermöglicht es, mehrstufige Aufgaben weitgehend autonom abzuarbeiten – E-Mails lesen, Berichte erstellen, Pull Requests anlegen. Externe Dienste wie Google Workspace, Outlook, Slack und GitHub lassen sich direkt anbinden.

Entscheidend ist das Kontrollprinzip: Vibe zeigt vor jeder Aktion einen Schritt-für-Schritt-Plan und wartet auf Freigabe durch die Nutzerin oder den Nutzer. Das ist ein wichtiger Unterschied zu vollständig autonomen Systemen. Ein separater „Code Mode“ für Entwickler:innen läuft in isolierten Cloud-Umgebungen. Vibe Pro kostet 14,99 Euro pro Monat (bestätigt durch Mistral AI) – drei Euro günstiger als der bisherige Le Chat Pro.

Der Mathematiker Terence Tao, Fields-Medaillen-Gewinner und einer der bekanntesten lebenden Mathematiker weltweit, hat erklärt, wie Künstliche Intelligenz die mathematische Forschung durch Arbeitsteilung grundlegend verändern könnte. Bisher mussten Mathematiker:innen alle Phasen selbst beherrschen: Probleme formulieren, Strategien entwickeln, Beweise ausführen, Ergebnisse verifizieren und kommunizieren. Eine Spezialisierung – wie in der Industrie oder den Naturwissenschaften – war in der Mathematik nie möglich.

KI und formale Verifikationssysteme könnten das ändern, so Tao. KI-Systeme könnten Lücken in Kollaborationen füllen, wenn bestimmte Fähigkeiten fehlen. Gleichzeitig warnt Tao: Wenn KI Strategien generiert, aber nicht selbst verifizieren kann, entsteht nur eine Flut ungepürfter Ideen. Ein neuer produktiver Stil entsteht erst, wenn Automatisierung in mehreren Bereichen gleichzeitig voranschreitet.

Sein Kernsatz: „Das Maß an KI, das man sinnvoll einsetzen kann, bevor es zu Slop wird, ist proportional dazu, wie streng die eigene Verifikation ist.“ Das Prinzip überträgt sich weit über die Mathematik hinaus – auf Unternehmensberatung, juristische Arbeit, HR-Analytik, Forschung.

Menschen bleiben unverzichtbar, da KI-Leistungen ungleichmäßig verteilt sind. Deshalb: Wo KI stark ist, muss sie unterstützen. Wo sie schwach ist, muss der Mensch das erkennen.

Wer Große Sprachmodelle (LLM) darauf trainiert, als nützliche Assistenten zu agieren, verändert dabei ihre kognitiven Eigenschaften – und macht sie weniger menschlich. Das zeigt eine neue Studie, über die The Decoder am 30. Mai 2026 berichtet.

Die Forschenden untersuchten die Auswirkungen von RLHF (Reinforcement Learning from Human Feedback, dt.: Verstärkendes Lernen aus menschlichem Feedback) auf das interne Verhalten von Sprachmodellen. RLHF ist die Standardmethode, mit der Modelle wie Claude, ChatGPT und Gemini für den Einsatz als Assistenten feinabgestimmt werden.

Das Ergebnis: Das Assistenz-Training verschiebt das interne Verhalten der Modelle systematisch weg von menschlichen Denkmustern. Die Modelle werden flüssiger, gefälliger – aber intern weniger dem menschlichen Denken ähnlich. Das ist ein Paradox: Je mehr KI-Modelle für die Arbeit mit Menschen optimiert werden, desto weniger menschlich werden sie in ihrer inneren Struktur. Damit verbunden ist das Risiko der Sycophancy (dt.: Ja-Sager-Verhalten). Stark auf Gefälligkeit trainierte Modelle neigen dazu, Erwartungen zu bestätigen statt zu hinterfragen.